我正在使用tensorflow对象检测api实现主动学习管道。因此，我将从xView数据集中的一张图像开始（大小约为3000x4000px）。
现在，我正在以1的批量大小训练我的fast_rcnn网络。如果仅要训练一张图像且批次大小为1，则每个步骤（在控制台中打印）是否等于一个时期？
让我们说，在20个活跃的学习周期后，训练数据集中有20张图像，我训练了19个步骤，最后一张图像从未被训练过，对吧？
如果图像数量增加，但是每个活动学习周期的步数保持不变，则网络将永远不会在以后添加的图像上进行训练，或者训练将在其停止的位置继续进行（例如图像19）
您似乎正确理解了epoch：这是一次训练通行证，您可以对数据集中的每个图像进行一次训练。如果批处理大小等于数据集大小，则是，每个纪元有一个迭代。
如果您进行19步训练（批量大小= 1），并且有20张图像，那么其中一个将被遗漏在短时期之外……但是遗漏的图像不一定是“最后一个”图像，（“最后”取决于图像的订购方式）。这取决于您的数据提取软件-您未指定。
这些输入包中的大多数都采用“随机”操作，该功能将在每个时期的开始对数据集进行随机排序。我还按照您的建议处理了一个摄取程序包，从上一个中断的地方获取了每个通行证（伪历训练组）。每当数据集用完时，它还可以选择是否重新洗牌。
要获得明确的答案，您必须检查框架的文档以及为特定模型所做的配置选择。如果没有这样的文档，那么您就不得不做几次我不得不做的事情：花十分钟的原始尖叫时间:-)，然后阅读代码。